เรารู้ (ตอนนี้ประมาณ 40 ปีขอบคุณ Adleman, Bennet และ Gill) ว่าการรวมBPP P / poly และการถือBPP / poly ⊆ P / poly ที่แข็งแกร่งยิ่งขึ้น "การ / โพลี" หมายถึงว่าเราทำงานที่ไม่สม่ำเสมอ (วงจรที่แยกต่างหากสำหรับแต่ละระยะเวลาในการป้อนข้อมูลn ) ในขณะที่Pโดยไม่ต้องคนนี้ "/ โพลี" หมายถึงเรามีหนึ่งเครื่องทัวริงสำหรับทุกความยาวการป้อนข้อมูลที่เป็นไปได้n , ได้นานกว่าการพูดn = จำนวนวินาทีไปยัง "บิ๊กแบง" ถัดไป
คำถามที่ 1: BPP = P (หรือ disproof) หลักฐานใหม่จะช่วยให้ความรู้ของเราหลังจากที่เรารู้จักBPP P / poly
ภายใต้ "ใหม่" ฉันหมายถึงผลที่น่าประหลาดใจเช่นการยุบ / แยกชั้นความซับซ้อนอื่น ๆ เปรียบเทียบสิ่งนี้กับผลที่ตามมาการพิสูจน์ / การป้องกันของNP P / โพลีจะส่งมอบ
[ADDED 2017/08/10]: หนึ่งผลที่น่าแปลกใจจริงๆของBPP Pจะเป็นที่ที่แสดงโดยImpagliazzo และ Wigderson , ทั้งหมด (!) ปัญหาในการ E = DTIME [ 2 O ( n ) ]จะมีวงจรขนาด2 o ( n ) ขอบคุณ Ryan ที่จำผลลัพธ์นี้ได้
คำถามที่ 2:ทำไมเราไม่สามารถพิสูจน์ BPP = P ตามบรรทัดที่คล้ายกันเป็นหลักฐานของBPP / poly P / poly ได้
สิ่งกีดขวาง "ชัดเจน" อย่างหนึ่งคือขอบเขต จำกัด กับปัญหาโดเมนไม่สิ้นสุด: วงจรบูลีนทำงานกับโดเมนจำกัดในขณะที่เครื่องทัวริงทำงานทั่วทั้งชุดของ0 - 1สตริงของความยาวใด ๆ ดังนั้นเพื่อแยกแยะวงจรบูลีนที่น่าจะเป็นไปได้มันก็เพียงพอที่จะใช้สำเนาส่วนใหญ่ของวงจรที่น่าจะเป็นไปได้และใช้ความไม่เท่าเทียมของเชอร์คอฟพร้อมกับสหภาพที่ถูกผูกไว้ แน่นอนว่าสำหรับโดเมนที่ไม่มีที่สิ้นสุดกฎส่วนใหญ่ง่ายๆนี้จะไม่ทำงาน
แต่นี่เป็น "อุปสรรค" ที่แท้จริง (เป็นอนันต์) จริงหรือ จากการใช้ผลลัพธ์จากทฤษฎีการเรียนรู้เชิงสถิติ (มิติ VC) เราสามารถพิสูจน์ได้ว่า BPP / poly P / โพลียังมีวงจรสำหรับการทำงานบนโดเมนที่ไม่มีที่สิ้นสุดเช่นวงจรคณิตศาสตร์ (ทำงานกับจำนวนจริงทั้งหมด); ดูเช่นกระดาษของ Cucker นี้ที่อัล เมื่อใช้วิธีการที่คล้ายกันทั้งหมดที่เราต้องการคือการแสดงให้เห็นว่ามิติ VC ของเครื่องทัวริงแบบโพลีเวลาไม่สามารถมีขนาดใหญ่เกินไป มีใครเห็นความพยายามที่จะทำให้ขั้นตอนหลังนี้หรือไม่?
หมายเหตุ [เพิ่ม 07.10.2017]: ในบริบทของ derandomization มิติ VC ของคลาส ของฟังก์ชันf : X → Yถูกกำหนดเป็นจำนวนสูงสุดvซึ่งมีฟังก์ชันf 1 , … , f vในFเช่น สำหรับทุกS ⊆ { 1 , … , v }มีจุด( x , y ) ∈ X × Yกับ f ฉัน ( x IFFฉัน∈ S นั่นคือเราไม่ได้แบ่งชุดของคะแนนผ่านฟังก์ชั่น แต่เป็นการตั้งค่าของฟังก์ชั่นผ่านคะแนน (คำจำกัดความที่เป็นผลลัพธ์สองประการของมิติข้อมูล VC สัมพันธ์กัน แต่มีการอธิบายแทน)
ผล (ที่รู้จักกันบรรจบกันในเครื่องแบบน่าจะเป็น ) แล้วบ่งบอกถึงต่อไปนี้: ถ้าสำหรับแต่ละอินพุต , ฟังก์ชั่นเลือกสุ่มฉ ∈ F (ภายใต้บางส่วนกระจายบนF ) ตอบสนองP R o ข { F ( x ) = F ( x ) } ≥ 1 / 2 + C เพื่อคงค> 0แล้วF ( x )สามารถคำนวณได้ในทุกปัจจัยการผลิตเป็นส่วนใหญ่ของบางเมตร= O ( วี) (คงที่) ฟังก์ชั่นจากF ดูเช่นควันหลง 2 ในกระดาษ [สำหรับสิ่งนี้เพื่อให้มีเงื่อนไขบางอย่างที่สามารถวัดค่าได้เล็กน้อยบนF ]
ตัวอย่างเช่นถ้าเป็นชุดของพหุนามทั้งหมดฉ: R n → Rคำนวณโดยวงจรเลขคณิตของขนาด≤ sแล้วหลายชื่อทั้งหมดในFมีระดับที่มากที่สุดD = 2 s โดยการใช้ที่รู้จักกันในขอบเขตบนกับจำนวนของศูนย์รูปแบบของพหุนาม (ดูเช่นบทความนี้ ) หนึ่งสามารถแสดงให้เห็นว่ามิติ VC ของFคือO ( n log D ) = O ( n s ) นี่หมายถึงการรวมBPP / โพลี P/ poly สำหรับวงจรเลขคณิต